基于深度学习的木材表面缺陷图像检测

论文摘要

针对木材活节、死节、虫眼等缺陷图像的检测问题,本文提出了一种基于深度学习的木材缺陷图像检测方法。首先,通过对Faster-RCNN网络进行训练,得到了可以对木材缺陷定位和识别的检测模型;然后,应用NL-Means方法对图像进行去噪,通过线性滤波、调整对比度和亮度实现图像增强;再对图像进行二值化处理,根据像素值差异提取缺陷边缘特征点集,实现了对木材缺陷的精细分割;最后,对椭圆拟合方法进行了改进,实现了对木材缺陷边缘点集的椭圆拟合,提供了新的木材缺陷加工方案。实验结果表明,该算法具有较好的木材缺陷定位和分类能力,得到了较好的分割及拟合效果,可在缺陷修补这一环节减少约10%的木材填充量。

论文目录

• 1 引言
• 2 理论概述
•   2.1 Faster-RCNN目标检测原理
•   2.2 NL-Means
•   2.3 图像增强
•   2.4 最小二乘椭圆拟合算法
•   2.5 改进的最小二乘椭圆拟合算法
• 3 算法实现
•   3.1 相关基础
•   3.2 实验环境与数据集
•   3.3 算法实现流程
• 4 实验及结果分析
•   4.1 实验与结果
•   4.2 分割效果分析
•   4.3 缺陷修补填充量减少效果分析
•   4.4 算法运行时间分析
• 5 结论

文章来源

类型: 期刊论文

作者: 陈献明,王阿川,王春艳

关键词: 图像检测,深度学习,木材缺陷,边缘检测,椭圆拟合

来源: 液晶与显示 2019年09期

年度: 2019

分类: 基础科学,信息科技,工程科技Ⅰ辑

专业: 轻工业手工业,计算机软件及计算机应用,自动化技术

单位: 东北林业大学信息与计算机工程学院,扎兰屯职业学院

基金: 黑龙江省自然科学基金(No.C201414),哈尔滨市优秀学科带头人基金项目(No.2014RFXXJ040)~~

分类号: TS612.7;TP18;TP391.41

页码: 879-887

总页数: 9

文件大小: 432K

下载量: 306